Trust and Liability Management in Multi-Actor, Dynamic Environments with Hierarchical Delegation
Gestion de la confiance et de la responsabilité dans des environnements multi-acteurs, dynamiques et avec plusieurs niveaux de délégation de responsabilités
Résumé
The rapid growth of the Internet of Things (IoT) has ushered in a multitude of groundbreaking services, such as smart home automation, industrial IoT, and autonomous vehicles. These services heavily rely on key technologies like Cloud computing, Edge Computing, and architectures like microservices. This amalgamation forms the Cloud-Edge-IoT continuum, a dynamic environment characterized by multi-domain collaboration, diverse stakeholders, and hierarchical delegation of responsibilities. In this complex setting, delineating each stakeholder's responsibilities becomes challenging, leading to confusion, overlapping duties, and potential gaps in fulfilling obligations. Addressing this challenge, this thesis focuses on two aspects: a descriptor reflecting commitments along the supply chain and metrics evaluating the responsibility and trustworthiness concerning these commitments. We introduce TRAILS (sTakéholder Responsibility, AccountabIity and Liability deScriptor), a modular, generic descriptor bridging the gap in accounting for responsibility and accountability in existing models. Utilizing TRAILS, we propose three categories of metrics employing machine learning and neural network methods: Commitment Confidence Scores, Financial Exposure, and Commitment Trends. These metrics enable evaluation of service confidence, quantification of financial risks for providers, and trend analysis to predict future violations. These contributions are implemented within the framework of the LASM (Liability-Aware Security Manager), a modular tool aiming to integrate responsibility considerations into managing architectures involving multiple subcomponents provided by various service providers.
La croissance rapide de l'Internet des Objets (IoT) a généré une multitude de services novateurs, tels que l'automatisation des maisons intelligentes, l'IoT industriel et les véhicules autonomes. Ces services reposent sur des technologies clés telles que le Cloud computing, l'informatique de périphérie/de bord (Edge Computing) et des architectures telles que les microservices. Cette combinaison forme le continuum Cloud-Edge-IoT, un environnement dynamique caractérisé par une collaboration multi-domaines, la participation de divers acteurs et une délégation hiérarchique des responsabilités. Dans ce contexte complexe, les responsabilités de chaque intervenant peuvent devenir floues, entraînant confusion, chevauchement des responsabilités et des lacunes potentielles dans l'exécution des obligations. Pour répondre à ce défi, cette thèse se concentre sur deux aspects : un descripteur reflétant les engagements tout au long de la chaîne d'approvisionnement et des métriques évaluant la responsabilité et la confiance envers ces engagements. Nous introduisons TRAILS (sTakéholder Responsibility, AccountabIity and Liability deScriptor), un descripteur modulaire et générique, comblant le manque de prise en compte de la responsabilité et de l'obligation de rendre des comptes dans les modèles existants. À partir de TRAILS, nous proposons trois catégories de métriques utilisant des méthodes d'apprentissage automatique et de réseaux neuronaux : les Scores de Confiance des Engagements, l'Exposition Financière et les Tendances des Engagements. Ces métriques permettent respectivement d'évaluer la confiance dans les services, de quantifier les risques financiers pour les fournisseurs et d'analyser les tendances pour prédire les violations futures. Ces contributions sont implémentées dans le cadre du LASM (Liability-Aware Security Manager), un outil modulaire visant à intégrer la responsabilité dans la gestion d'architectures impliquant plusieurs sous-composants fournis par différents prestataires.
| Origine | Version validée par le jury (STAR) |
|---|